El objetivo del presente estudio fue comparar el rendimiento predictivo de árboles de decisión, redes neuronales artificiales y regresión logística utilizados para la clasificación de los aumentos diarios de peso corporal en terneros de carne. Se incluyeron en el estudio un total de 680 vacas de raza pura Simmental y 373 Limousin de la granja más grande de la Provincia de Pomerania Occidental, cuyos terneros fueron engordados entre 2014 y 2016. Los aumentos diarios de peso corporal previos al destete se dividieron en dos categorías: A-igual o inferior a la media ponderada para cada raza y sexo y B-superior a la media. Se desarrollaron modelos por separado para cada raza. La sensibilidad, especificidad, precisión y área bajo la curva en un conjunto de prueba para el mejor modelo (bosque aleatorio) fueron 0.83, 0.67, 0.76 y 0.82 y 0.68, 0.86, 0.78 y 0.81 para las razas Limousin y Simmental, respectivamente. Los predictores más importantes fueron los aumentos de peso diario de la madre cuando era ternera, los aumentos de peso diario del primer ternero, el sexo del tercer ternero, la producción de leche en la primera lactancia, el peso al nacer del tercer ternero, el peso al nacer de la madre, la altura de la cadera de la madre y la segunda temporada de parto. Los modelos de aprendizaje automático seleccionados pueden utilizarse de manera bastante efectiva para la clasificación de terneros en función de sus aumentos diarios de peso.